نوسانات بازار سهام

این مطالعه، ارتباط سیاست پولی و نوسانات بازار سهام در ایران را با استفاده از مدل تعادل عمومی پویای تصادفی بررسی می نماید. در این تحقیق نقش سیاست گذاری پولی در دو رژیم پولی شامل قاعده سیاستی رشد حجم پول و قاعده تیلور با ضرایب سنتی و بهینه، در قالب مدل کینزی جدید با لحاظ چسبندگی دستمزدها و قیمت های اسمی برای اقتصاد ایران مدل سازی می شود. در این الگو حباب بازار سهام از طریق مکانیسمی از اعتقادات خوش بینانه خانوارها نسبت به ارزش بازار سهام شرکت ها پدیدار می شود. نتایج نشان می دهد: اول با استفاده از قاعده ساده بهینه سازی پولی و تعیین بهینه ضرایب قاعده تیلور توسط سیاست گذاران پولی تابع زیان کم می شود. دوم شوک انتظارات درونی بیانگر اندازه نسبی حباب جاری به حباب جدید ظاهر شده است و انتقال آن به اقتصاد واقعی از طریق محدودیت های اعتباری درون زا صورت می گیرد، بیشتر نوسانات بازار سهام و بخش قابل توجهی از تغییرات در مقادیر واقعی را توضیح می دهد و منجر به حرکت هم جهت بین قیمت سهام و اقتصاد واقعی می شود. سوم با استفاده از قاعده ساده بهینه سازی پولی و تعیین بهینه ضرایب قاعده تیلور پولی با لحاظ نوسانات قیمت سهام در قاعده سیاستی، بانک مرکزی می توان تابع زیان را کاهش دهد و لزوم دخالت سیاست گذار پولی در شرایط حباب بازار سهام در اقتصاد را تائید می نماید.

هدف این پژوهش بررسی تاثیر تکانه های بازده سهام بر نرخ بیکاری است. در این پژوهش از داده های سالانه سری زمانی طی سال های 1378 الی 1397 استفاده شده است. بازده های بازار سهام به سه بازده زیر مجموعه 1-بازده اسمی2-بازده تعدیل شده و 3- بازده واقعی تقسیم می شوند. در این پژوهش، متغیرهایی بر پایه نظریه های اشتغال و تقاضای کار به مدل اضافه شد. در این پژوهش، ابتدا به نتایج آزمون های ریشه واحد برای هر متغیر پرداخته شده، سپس آزمون وجود همگرایی را از روش کرانه ها و آزمون هم انباشتگی برای هر چهار فرضیه استفاده شد. در مرحله بعد به بررسی نتایج گارچ پرداخته و در مرحله آخر، به تشریح تابع عکس العمل تحریک (آنی) پرداخته و اثرات کوتاه مدت و بلندمدت هر یک از این شوکها بر نرخ بیکاری با استفاده از الگوی ARDL مورد بررسی قرار گرفتند. نتایج فرضیه اول حاکی از آن است که اثرات بازده سهام بر نرخ بیکاری نامتقارن است. نتایج فرضیه دوم پژوهش نشان داد که شوک های مثبت بازده سهام سبب کاهش نرخ بیکاری در بلندمدت می شود. نتایج فرضیه سوم پژوهش حاکی از آن است که شوک های منفی بازده سهام سبب افزایش نرخ بیکاری در بلندمدت می شود. نتایج فرضیه چهارم پژوهش نشان داد که شدت عکس العمل نرخ بیکاری نسبت به شوک های منفی در مقایسه با شوک مثبت شدید تر است.

در پژوهش حاضر درصدد بررسی برخی عوامل مؤثر بر عملکرد بانک های تجاری در ایران هستیم و به طور خاص، اثرات نوسانات بازار سهام، رقابت بانکی، توسعه بازار سهام و توسعه بخش بانکی را بر عملکرد بانک ها بررسی می کنیم. عملکرد بانک ها در این پژوهش، با استفاده از متغیرهای ارزش افزوده اقتصادی(EVA)، متوسط بازده دارایی ها(ROAA) و متوسط بازده حقوق صاحبان سهام(ROAE) سنجیده شده است. پژوهش حاضر از نوع پس رویدادی(با استفاده از اطلاعات گذشته)، و از لحاظ هدف، از نوع تحقیقات کاربردی است. جامعه آماری مورد مطالعه، شامل کلیه بانک های پذیرفته شده در بورس اوراق بهادار تهران در دوره زمانی 1392- 1387 است. یافته های پژوهش، حاکی از آن است که در سطح اطمینان 95 % بین متغیرهای توسعه بازار سهام و رقابت بانکی، با متغیر وابسته EVA، رابطه معکوس و معنادار وجود دارد و بین متغیرهای میانگین بازده ماهانه سهام و توسعه بخش بانکی با متغیر وابسته EVA رابطه ای مستقیم برقرار است. به علاوه، در سطح اطمینان 95 % ، تمامی متغیرها به جز توسعه بخش بانکی، رابطه معناداری با متغیر وابسته ROAA دارند. بین متغیرهای میانگین بازده ماهانه سهام و توسعه بخش بانکی با متغیر وابسته ROAA رابطه ای مستقیم برقرار است. و در سطح اطمینان 95 %، رابطه معناداری بین تمامی متغیرها به جز رقابت بانکی با متغیر وابسته ROEA وجود دارد. رابطه متغیر توسعه بازار سهام، با متغیر وابسته ROEA، به صورت معکوس و معنادار است. علاوه بر آن، بین متغیرهای میانگین بازده ماهانه سهام و توسعه بخش بانکی با متغیر وابسته ROEA رابطه ای مستقیم و معنادار برقرار است.

پیش بینی نوسانات بازار سهام یکی از چالش های اساسی در اقتصاد مالی است که نقش مهمی در مدیریت ریسک، طراحی استراتژی های سرمایه گذاری و اتخاذ تصمیمات سیاست گذاری دارد. با وجود موفقیت روش های کلاسیک اقتصادسنجی مانند ARCH و GARCH در مدل سازی خوشه بندی نوسانات، این روش ها در مواجهه با وابستگی های بلندمدت و رفتارهای غیرخطی داده های مالی محدودیت هایی نشان می دهند. در سال های اخیر، توسعه فناوری های یادگیری عمیق و به ویژه معماری های بازگشتی نظیر RNN، LSTM و GRU، امکان استخراج الگوهای پیچیده و ویژگی های پنهان سری های زمانی مالی را فراهم ساخته است. هدف پژوهش حاضر، بررسی و مقایسه عملکرد این سه مدل در پیش بینی نوسانات بازار سهام ایران و ارزیابی دقت، پایداری و قابلیت تبیین پذیری آن ها می باشد. داده های مورد استفاده شامل بازه زمانی 1394 تا 1403 از معاملات بورس تهران می باشد و ارزیابی عملکرد مدل ها بر اساس شاخص های آماری (MSE، RMSE، MAE) و معیارهای مالی (نسبت شارپ و دقت جهت حرکت بازار) انجام شد. نتایج نشان داد که مدل LSTM با ضریب تعیین 0.97 بالاترین دقت و پایداری را ارائه می دهد، مدل GRU با ضریب تعیین 0.948 عملکردی نزدیک به LSTM و سرعت همگرایی بالاتر دارد، و مدل RNN پایه با ضریب تعیین 0.89 محدودیت هایی در پیش بینی نوسانات بلندمدت دارد. یافته ها تأیید می کنند که معماری های بازگشتی پیشرفته می توانند ابزارهای مؤثری برای توسعه سامانه های پیش بینی مالی و مدیریت ریسک باشند. همچنین، پیشنهاد می شود در پژوهش های آتی، مدل های هیبرید، داده های چندمنبعی و چارچوب های یادگیری آنلاین به منظور بهبود دقت و تعمیم پذیری پیش بینی ها مورد استفاده قرار گیرند.